x,y同为三维矩阵二维曲线图。要求：利用subplot函数完成图像分割，并对每一条曲线分别修饰，标记X轴、Y轴、标题、图例。

在Python的matplotlib库中，你可以使用subplot函数将三维矩阵（通常表示为numpy数组）绘制成二维曲线图的多个子图，每个子图代表不同的数据序列。下面是一个示例步骤：

import numpy as np
import matplotlib.pyplot as plt

# 假设我们有三个二维数组，代表三条曲线的数据
x_data = ... # X坐标数据
y_data_1 = ... # 第一条曲线的数据
y_data_2 = ... # 第二条曲线的数据
y_data_3 = ... # 第三条曲线的数据

# 创建一个新的3行1列的子图网格
fig, axs = plt.subplots(nrows=3, ncols=1)

# 分别在每个子图上绘制曲线
axs[0].plot(x_data, y_data_1)
axs[0].set_xlabel('X轴')
axs[0].set_ylabel('Y轴')
axs[0].set_title('曲线1')
axs[0].legend(['曲线1'], loc='upper right')  # 添加图例

axs[1].plot(x_data, y_data_2)
axs[1].set_xlabel('X轴')
axs[1].set_ylabel('Y轴')
axs[1].set_title('曲线2')
axs[1].legend(['曲线2'], loc='upper right')

axs[2].plot(x_data, y_data_3)
axs[2].set_xlabel('X轴')
axs[2].set_ylabel('Y轴')
axs[2].set_title('曲线3')
axs[2].legend(['曲线3'], loc='upper right')

# 调整整个图表的间距，让子图之间有足够的空间
plt.tight_layout()

# 显示图形
plt.show()

在这个例子中，`subplots()`函数创建了3个子图，然后分别设置了每个子图的X轴、Y轴标签、标题以及图例。最后通过`tight_layout()`调整布局并显示图形。